在监督分类问题上,评价模型的性能至关重要。 精确度、回顾度和F1分数等计量法可以提供对模型预测不同类别情况的深刻见解。 了解如何计算这些度量有助于有效选择和调整模型。

精度

精度测量正数预测正确的比例,计算时以真实正数除以真实正数和假正数之和.

精确度的公式是:

精度=真正数 /(真正数+假正数)

回顾

复述,又称灵敏度,测量正确识别的实际阳性的比例,计算为真实阳性除以真实阳性与假阴性之和.

召回的公式是:

召回=真正数 / (真正数 + 假负数)

F1 分数

F1分数通过计算其谐音平均值将精度和回溯结合为一个度量,它提供了一个平衡的度量,特别是在类分布不均时.

F1分的公式是:

F1分数=2 * (精度*回调)/(精度+回调)].

内 容 提 要

  • 精度表示正预测的准确性.
  • 回顾衡量查明所有积极事例的能力。
  • F1分数平衡精度,并重回1个度量.